AI革命——不能被忽视的重大技术变革

那么，有关AI革命的一切都像吹嘘的那么好吗？贬低其重要性很容易，但我们应该谨慎。这不是技术变革第一次被看轻。确实，对新技术力量的低估有着悠久的历史。1943年，据说IBM公司前总裁托马斯·J.沃森（Thomas J. Watson）宣称：“全世界计算机市场的需求大约是5台。”1949年，一本人们认为声誉颇好的杂志《大众机械》（Popular Mechanics）写道：“未来计算机的重量可能不超过1.5吨。”[5]

从最初开始，互联网发展的快速推进就遭到了彻底怀疑。1996年年末，《时代周刊》（Time）解释了其永远不会成为主流的原因。该杂志说：“它不是为商务活动设计的，没有优雅地接纳新来者。”1998年2月，《新闻周刊》（Newsweek）有一个头版头条是：“因特网？呸！”

也许最惊人的是，该文章的作者克利夫·斯托尔（Cliff Stoll）是天体物理学家、网络专家。他说，网上购物和在线社交是一种背离常识、不切实际的幻想。他说道：“事实是，没有在线数据库会取代你的报纸。”斯托尔声称，充满“互动数据库、虚拟社区和电子商务”的数字世界是“胡扯”。[6]

直到最近，AI一直面对类似的怀疑。此外，有一个事实还助长了这种怀疑——AI已经伴随了我们一段时间（至少在理论上如此），但其尚未产生任何真正激动人心的东西。它脱胎于第二次世界大战期间在英国布莱切利公园（Bletchley Park）探索开发的数字计算技术，该技术使纳粹的恩尼格玛密码（Enigma Code）得以破解，相当著名。

这一功绩与阿兰·图灵（Alan Turing）密切相关。图灵还设计了AI的早期概念框架，于1950年发表了开创性论文《计算机器与智能》（Computing Machinery and Intelligence）。该主题随后主要在美国和英国发展。但在收获好评和取得成就之前，它几经波折。

然而在过去的10年中，许多关键的进展共同推动了AI的发展：

●计算机处理能力的大幅提高。

●可用数据数量的快速增长。

●改进后技术的发展，涉及文本和图像方面的进步，包括面部及语音识别。

●“深度学习”（Deep Learning）的发展。

●基于算法的决策的出现。

所以，现在AI似乎已接近它的“詹姆斯·瓦特时刻”，就像瓦特在改进蒸汽机之前，蒸汽机已存在了一段时间。然后，它开始改变生产方式。因此，AI这个已经登场了一段时间的东西，即将上演一次飞跃。

另外，它的影响很可能会让整个经济体系都感受得到。有些技术改进专门针对特定领域或较窄的生产方面，在更广泛的范围中影响有限。但偶尔也会出现某种发展，产生具有普遍适用性的技术。我们称这些技术为通用技术（general-purpose technology，简称GPT）。蒸汽机就是GPT，AI也有望成为其中的一员。因此我认为，将未来数十年称为“AI经济”时代是恰当的。

机器人和AI有望对生产率产生重大影响，因为在某些领域，它们可以完全替代人类；而在另一些领域，它们能够大大提高每小时的产出，或者改善工作质量与可靠性。也许最重要的是，在很多服务领域，比如在老年人护理方面，它们可以有效地为工作人员提供高效工具，从而有望克服迄今为止服务业生产率增长迟缓的问题。

此外，AI的进步速度令人印象深刻。对AI抱有期望的人常常热衷于这样的概念——目前的发展呈指数级增长，也就是说，下一时期的水平总是比上一时期的高出一定倍数或百分比。例如，每年翻一番的事物正在经历指数级增长。每年增长20%的东西也属于这类。结果，给定的百分比增长率会产生越来越大的绝对增长。

无论何时，若增长呈指数级，由于很大一部分累积变化都发生在发展过程的后期，因此很容易在该过程的早期忽略正在发生的事情的重要性。指数级增长的这种背载（Back-Loaded）本质在某种程度上给出了解释——为何我们有时高估技术在短期内的效应，而低估其在长期内的影响。[7]这一特性可能会为AI未来的能力带来奇妙的东西，但它也会强化个人、企业、政府的某种倾向，即很少或不采取任何行动来适应其发展——直到为时已晚。

AI文献中充满了指数级增长的精彩例子，这些例子往往用通俗易懂、引人入胜的术语表达，清晰地呈现变化早期显然平稳缓慢的步伐与后来急剧转变之间的对比。下面的例子来自卡耐姆·切斯，思考一下：

设想你在一个橄榄球场中……它已被密封起来，以防漏水。裁判将一滴水放在球场中央。一分钟后，她又放了两滴在那里。又过了一分钟，放4滴，依此类推。你认为把该体育场灌满水会花多长时间？答案是49分钟。但真正令人惊讶、不安的是，45分钟后，该体育场只有7%的空间有水。后排座位上的人们向下看，并相互交流场内正在发生的严重事情。4分钟后，他们都淹死了。[8]

指数级增长实质上是所谓的“摩尔定律”（Moore's Law），其含义通常是指，每18个月（有时两年），价值1,000美元的计算机的处理能力会翻一番。一些分析家甚至提出，指数级增长的速率本身也存在指数级增长。费德里科·皮斯托诺（Federico Pistono）说，计算机速度（单位成本）在1910—1950年每3年翻一番，在1950—1966年每两年翻一番，而现在是每年都翻番。他声称：“根据现有证据，我们可以推断出，这种趋势将在可预见的未来继续下去，或者至少再持续30年。”[9]

在计算机和AI领域，指数级增长现象比比皆是。按照最近的增长率，可以想象，机器人的数量不久后就会超过人类。英国工程师、发明者、小说创作者伊恩·皮尔森（Ian Pearson）博士说，30年内，机器人数量将从现今的5,700万增加到94亿。该预测基于皮尔森所说的“适度”（modest）的假设，即机器人数量每年增长20%（当然，这是另一个指数级增长的例子）。

AI的进展速度和范围不仅让人们印象深刻、感到惊骇，还让人们对未来充满不祥之感。AI威胁要取代某些活动中的人，而这些活动现在被视为专属于人类。人们曾经认为，即便是能力最强的计算机也无法下国际象棋。但在1997年，IBM公司的“深蓝”（Deep Blue）击败了世界最佳棋手加里·卡斯帕罗夫（Garry Kasparov）。“深蓝”每秒可以计算1亿—2亿个位置。卡斯帕罗夫说：“我玩过很多计算机，但从未体验过这样的。我能感觉到——我可以闻到——桌子对面是一种新的智能。”

2001年，IBM的一台名为沃森（Watson）的机器在电视问答游戏《危险边缘》（Jeopardy!） 中打败了最佳人类玩家。2013年，深度思维公司（DeepMind）的AI系统自学雅达利（Atari）视频游戏，比如打砖块（Breakout）和撞球（Pong），这些游戏都需要手眼协调。这比看上去要意义重大得多。不是人们教AI系统如何玩视频游戏，而是AI系统如何学习玩游戏。

凯文·凯利（Kevin Kelly）认为，AI如今已经取得了决定性的飞跃，但其重要性依然没有得到充分认识。他写道：

一旦计算机比人类更好地成功完成了一项任务，人们就会普遍认为这项任务简单而不再考虑。然后会说下一个是真的很难——直到计算机实现了该任务，如此类推。的确，一旦机器能完成特定的事情，我们往往就不再称其为AI。泰思勒定律/复杂性守恒定律（Tesler's Theorem）将AI定义为机器尚无法做到的事情。[10]

而机器无法做的事情类别范围似乎一直在缩小。2016年，由谷歌（Google）旗下的深度思维公司开发的名为AlphaGo（阿尔法围棋）的AI系统击败了当时的欧洲围棋冠军樊麾。该系统使用一种被称为“深度强化学习”（Deep Reinforcement Learning）的学习方法自学。两个月后， AlphaGo以4∶1战胜了世界冠军李世石。在亚洲，人们对该结果尤其印象深刻，因为相比欧洲或美国，围棋在亚洲要受欢迎得多。

正是互联网推动了AI获得更大的能力和智能。人类崛起并统治物质世界背后的关键特征是交流与专业化的发展，这是一种网络效应。互联网的出现，将计算机连接成网，从而改变了它们的能力。[11]

然后我们很快迎来了英国企业家凯文·阿什顿（Kevin Ashton）所说的“物联网”（Internet of Things，简称IoT）。IBM将其称为“智慧星球”（Smarter Planet），思科公司（Cisco）把它叫作“万物互联”（Internet of Everything），通用电气公司（GE）称之为“工业互联网”（Industrial Internet），而德国政府的说法是“工业4.0”（Industry 4.0）。所有这些术语指的都是同一件事情。想法很简单，就是将传感器、芯片和信号传送器嵌入我们周围的无数物体中。

互联网企业家马克·安德森（Marc Andreessen）曾说：“最终状态相当显而易见——每一盏灯、每一个门把手都将接入互联网。”[12]当然，所有这些与物质世界的连接都将以易于机器人和AI分析并做出反应的形式呈现。不过，所有这类连接上的事物也将能够直接与人类沟通交流——用“说话”（speaking）的方式。具有讽刺意味的是，一些AI狂热者认为，这可能会使我们对“事物”（things）的态度更接近于人们在前技术时代对它们的看法，以及如今部分非西方世界对它们的看法，也就是说，它们拥有某种精神和身份。

因此，无论你对AI经济中人类进步的空间有何看法——在进行初步全面评估之前，我将先给出一些主要的限定性条件——AI世界正在发生的事情肯定不能被轻易忽视。